21 лучшая книга по искусственному интеллекту (обновление 2023)

Что почитать на тему искусственного интеллекта. от основ ai до sci-fi рассказов | dev.by

Sociological Books

The Singularity Is Near

– By Ray Kurzweil

Ray Kurzweil was called ‘restless genius’ by the Wall Street Journal and was also highly praised by Bill Gates. He is a leading inventor, thinker, and futurist who takes a keen interest in the field of Artificial Intelligence. In this AI book, he talks about the aspect of AI which is most feared by many of us, i.e., ‘Singularity’. He talks extensively about the union of humans and machines.

The Sentiment Machine

– By Amir Husain

This book challenges us about societal norms and the assumptions of a ‘good life’. Amir Husain, being the brilliant computer scientist he is, points out that the age of Artificial Intelligence is the dawn of a new kind of intellectual diversity. He guides us through the ways we can embrace AI in our lives for a better tomorrow.

The Society of Mind

– By Marvin Minsky

Marvin Minsky is the co-founder of the AI Laboratory at MIT and has authored a number of great Artificial Intelligence Books. One such book is ‘The Society of Mind’, which portrays the mind as a society of tiny components. This is the ideal book for all those who are interested in exploring intelligence and the aspects of the mind in the age of AI.

Intermediate Level 2

Neural Networks and Deep Learning – Michael Nielsen

Description: Highly recommended if you want to learn about deep learning and neural networks. This book will help you better understand the two topics and how to build a deep neural network from scratch. It’s the perfect choice for beginners who want a robust grounding in the core principles of these complex subjects.

‍Reinforcement Learning – Richard S. Sutton, Andrew G. Barto

Description: This book delivers a straightforward interpretation of the field’s key ideas and algorithms. It covers reinforcement learning without going beyond the tabular case for which exact solutions can be found. Also, it discusses how reinforcement learning relates to psychology and neuroscience, along with future societal impacts.

The Quest for Artificial Intelligence – Nils J. Nilsson

Description: Artificial intelligence is a field within computer science attempting to build enhanced intelligence into computer systems. This book traces the subject’s history, from the eighteenth-century pioneers to the work of today’s AI engineers.

Ambient Intelligence – Felix Jesus Villanueva Molina

Description: This book analyses open problems key to making ambient intelligence a reality. It gives the reader a good idea about the current research lines in ambient intelligence.

The Boundaries of Humanity: Humans, Animals, Machines – J. Sheehan, M. Sosna

Description: The relatively new fields of sociobiology and artificial intelligence bring new insights to the age-old debate over what it means to be human. The book explores what these two fields have in common and how they have affected how we define humanity.

Dive into Deep Learning – Aston Zhang, Zack C. Lipton, Mu Li, Alex J. Smola

Description: The first eBook on our must-read list is deep diving into deep learning. The authors are Amazon employees who use Amazon’s MXNet library to teach Deep Learning. They update their work regularly and have recently added new implementations to the book in two popular DL libraries: Pytorch and Tensorflow/Keras.

Beginner Level

The Hundred-Page Machine Learning Book – Andriy Burkov

Description: Are 100 pages enough to conquer machine learning? This free eBook is one of the best book for artificial intelligence for beginners and guarantees to provide you with almost all the essential information for beginners. The author promises the book will teach you how machine learning works so you can build complex AI systems and pass an interview.

Python Data Science Handbook – Jake VanderPlas

Description: Python is a first-class tool for any data scientist. This book teaches you how to use its essential tools, including IPython, NumPy, Pandas, Matplotlib, Scikit-Learn, and many others. It’s a perfect resource for tackling day-to-day issues such as cleaning, manipulating, and transforming data or building machine learning models.

Machine Learning Yearning – Andrew Ng

Description: This free eBook, created by one of the most popular personalities in the AI industry, is focused on structuring machine learning projects. It explains how to make machine learning algorithms work, identify and prioritise the most promising aspects of your AI projects, diagnose errors in your ML systems, and perform several other vital tasks.

Artificial Intelligence through Prolog – Neil C. Rowe

Description: Artificial intelligence is a hard subject to learn, but the author has written this book to make it easier. He explains complex concepts in a simple, concrete way, and it is intended for all first courses in artificial intelligence.

A Brief Introduction to Neural Networks – David Kriesel

Description: This book gives a profound insight into the paradigm of neural networks, including LATEX. The content is continuously extended, meaning the information will stay up-to-date.

Ethical Artificial Intelligence – Bill Hibbard

Description: While improving your AI skills is always good, reading about the technology’s ethical challenges is also valuable. The author presents the technical challenges of designing ethical AI and then makes a case for various strategies for solving these issues. The book is easy to understand, with mathematical explanations available for those who want that level of detail.

The Alignment Problem

By Brian Christian

Artificial intelligence is being entrusted with more and more real-world responsibility: in our financial systems, our hospitals, our schools, our homes. As we develop increasingly complex AI systems whose decision-making we don’t directly control or even understand, how can we ensure that these systems’ judgment and values are aligned with our own?

This book provides an illuminating examination of what is known as the “alignment problem” in AI, from its technical foundations to its philosophical implications. Particularly fascinating is the book’s discussion of inverse reinforcement learning and the promise this approach holds for building AI systems we can trust.

As Christian notes, the alignment problem bears a real resemblance to parenting: “The story of human civilization has always been about how to instill values in strange, alien, human-level intelligences who will inevitably inherit the reins of society from us—namely, our kids.”

Philosophical books

Superintelligence: Paths, Dangers, Strategies

– By Nick Bostrom

Recommended by both Elon Musk and Bill Gates, the book talks about steering the course through the unknown terrain of AI. The author of this book, Nick Bostrom, is a Swedish-born philosopher and polymath. His background and experience in computational neuroscience and AI lays the premise for this marvel of a book.

Life 3.0

– By Max Tegmark

This AI book by Max Tegmark will surely inspire anyone to dive deeper into the field of Artificial Intelligence. It covers the larger issues and aspects of AI, includingsuperintelligence, physical limits of AI, machine consciousness, etc. It also covers the aspect of automation and societal issues arising from AI.

Rebooting AI

By Gary Marcus and Ernest Davis

Gary Marcus is a polarizing figure in the world of AI. He is one of the most vocal and persistent critics of today’s prevailing AI paradigm centered on big data and deep learning. He frequently calls out deep learning’s lack of robustness and common sense, arguing that the path forward in AI must include the incorporation of traditional symbolic methods.

Whether one agrees or disagrees with Marcus, he is worth taking seriously. (After all, remember that Geoff Hinton and his deep learning peers were themselves in the dissenting minority for decades.)

Rebooting AI is a nice encapsulation of Marcus’ main arguments about the state of AI today. It is worth a read. In the words of John Stuart Mill: “He who knows only his own side of the case knows little of that.”

# 6. Как работает ИИ: от колдовства к науке Рональд Т. Кнейзель

«Как работает искусственный интеллект» — это краткая и понятная книга, призванная изложить основные основы машинного обучения. Эта книга помогает узнать о богатой истории машинного обучения, начиная с создания устаревших систем искусственного интеллекта и заканчивая появлением современных методологий.

История многослойна, начиная с хорошо обоснованных систем искусственного интеллекта, таких как опорные векторные машины, деревья решений и случайные леса. Эти более ранние системы проложили путь к революционным достижениям, ведущим к разработке более сложных подходов, таких как нейронные сети и сверточные нейронные сети. Книга на этом не заканчивается; он углубляется в завораживающие возможности, предлагаемые моделями большого языка (LLM), которые являются движущей силой современного генеративного искусственного интеллекта.

Понимание основ, таких как то, как технология преобразования шума в изображение может воспроизводить существующие изображения и даже создавать новые, беспрецедентные изображения из, казалось бы, случайных подсказок, имеет решающее значение для понимания сил, движущих сегодняшних генераторов изображений. Эта книга прекрасно объясняет эти фундаментальные аспекты, позволяя читателям понять тонкости и основную механику технологий генерации изображений.

Рон Нюзель, автор, демонстрирует похвальные усилия по разъяснению своей точки зрения на то, почему ChatGPT OpenAI и его модель LLM означают начало настоящего ИИ. Он тщательно показывает, как различные LLM проявляют новые свойства, способные интуитивно понимать теорию разума. Эти новые свойства становятся более выраженными и влиятельными в зависимости от размера модели обучения. Кнейзель обсуждает, как большее количество параметров обычно приводит к созданию наиболее профессиональных и успешных моделей LLM, обеспечивая более глубокое понимание динамики масштабирования и эффективности этих моделей.

Эта книга — маяк для тех, кто хочет погрузиться в завораживающий мир искусственного интеллекта, предлагая подробный, но понятный обзор эволюционной траектории технологий машинного обучения, от их рудиментарных форм до новаторских объектов сегодняшнего дня. Независимо от того, являетесь ли вы новичком или человеком, хорошо разбирающимся в предмете, книга «Как работает искусственный интеллект» призвана дать вам более четкое понимание преобразующих технологий, которые продолжают формировать наш мир.

What Computers Still Can’t Do

By Hubert Dreyfus

Originally published in 1972 and then updated in 1992, this classic text argues from first principles that digital computers may never be able to fully replicate higher mental functions. Thoughtfully fusing philosophy, history, psychology and engineering, the book’s skeptical perspective cannot easily be dismissed.

Perhaps the most remarkable thing about this book is that, though it was written decades ago, it remains remarkably on point to this day. Consider, for instance, its critique of (what we now know as) supervised learning: “It is really the person deciding which cases are good examples who is furnishing the intelligence. Viewed from this perspective, neural networks are almost as dependent upon human intelligence as are GOFAI systems.”

Intermediate Level 1

Artificial Intelligence: Foundations of Computational Agents – David Poole, Alan Mackworth

Description: This book introduces AI as the study of designing intelligent computational agents. It serves a wide variety of readers, including professionals and researchers.

 Mathematics for Machine Learning – Marc Peter Deisenroth, A. Aldo Faisal, Cheng Soon Ong

Description: Published by Cambridge University Press, this book motivates people to learn mathematical concepts and provides the necessary skills to read other books on advanced machine learning techniques. It is split into two parts: mathematical foundations and example machine learning algorithms that use the mathematical foundations.

Artificial Intelligence – Agents and Environments – William John Teahan

Description: This book is the first in a series on Artificial Intelligence. It introduces the topic, emphasising the use of agent-oriented design. Topics include agents, environments, agent movement, and agent embodiment.

Artificial Intelligence – Agent Behaviour – William John Teahan

Description: This book adopts a behaviour-based approach to the design of agent-oriented systems. The topics from a behaviour-based perspective include agent communication, searching, knowledge and reasoning, and intelligence.

Autonomous Agents – Vedran Kordic

Description: The field of multi-agent systems investigates the process underlying distributed problem-solving and designs some protocols and mechanisms involved in this process. This book presents an overview of the research issues in multi-agents.

Computational Intelligence and Modern Heuristics – Al-Dahoud Ali

Description: This book takes readers on a stunning voyage of computational intelligence heuristics research and applications. It covers various computational intelligence techniques, including neural networks, fuzzy logic, genetic algorithms, etc.

Artificial Intelligence and Molecular Biology – Lawrence Hunter

Description: This book offers a current sampling of AI approaches to problems of biological significance. It covers genetic sequence analysis, protein structure representation and prediction, automated data analysis aids, and the simulation of biological systems.

Brief Introduction to Educational Implications of Artificial Intelligence – David Moursund

Description: This book is designed to help teachers learn about the educational implications of current uses of Artificial Intelligence to solve problems and accomplish tasks. It is intended for self-study or use in workshops.

Advanced Level 1

 Virtual Reality: Human-Computer Interaction – Xin-Xing Tang (ed.)

Description: Virtual reality significantly affects information organisation and management and even changes the design principle of information systems. The book aims to provide a broader perspective on virtual reality.

Foundations of Constraint Satisfaction – Edward Tsang

Description: This book was the first attempt to define the field of constraint satisfaction. It covers the subject’s theoretical and implementation aspects, providing a framework for studying this field and relating it to different research.

Description: Motivated by the capability of biologically inspired algorithms, the book aims to present recent developments in optimization with swarm intelligence techniques. It also offers some selected representative case studies.

Encyclopedia of Computational Intelligence – Eugene M. Izhikevich, et al.

Description: This book covers various topics related to computational intelligence, such as neural networks, evolutionary computation, robotics, machine learning and pattern recognition, graphs and complexity, artificial intelligence, information theory, fuzzy systems, signal analysis, etc.

Klara and the Sun

By Kazuo Ishiguro

Klara and the Sun, the most recent novel from Nobel Prize-winning author Kazuo Ishiguro, is the only work of fiction on our list.

Fiction is sometimes a more powerful medium than nonfiction to surface and explore complex societal issues, including the disorienting transformations wrought by new technologies. Klara and the Sun is a case in point. The relationships between the story’s artificially intelligent characters and its human ones prompt readers to think afresh about family, mortality, and the meaning of life. The scenarios and dilemmas in this story are fictional—but within our lifetimes they may become all too real.

A World Without Work

By Daniel Susskind

For centuries, people have worried that new technologies—from the mechanical loom to the internal combustion engine—would replace human labor and render us superfluous. And for centuries, these fears have proven misplaced as new technologies have increased our productivity and created new jobs.

In A World Without Work, Susskind convincingly makes the case that this time truly is different—that in the coming decades, artificial intelligence will put broad swaths of the human population out of work.

What will it mean for society as more and more of the jobs that underpin our economy are automated? What steps can we take to mitigate the worst side effects of this transition? And most profoundly: how will we use our time, measure our lives and find purpose in a world in which people no longer need to work?

These questions are among the most important of our era. There are no easy answers. But this book does an excellent job of framing the issues.

# 5. Жизнь 3.0 Макс Тегмарк

Жизнь 3.0” имеет амбициозную цель – изучить возможности того, как мы будем сосуществовать с ИИ в будущем. Искусственный общий интеллект (AGI) является конечным и неизбежным следствием Аргумент взрыва интеллекта сделан британским математиком Ирвингом Гудом еще в 1965 году. Этот аргумент гласит, что сверхчеловеческий интеллект будет результатом работы машины, способной постоянно самосовершенствоваться. Знаменитая цитата о взрыве интеллекта выглядит следующим образом:

Макс Тегмарк запускает книгу в теоретическое будущее жизни в мире, который контролируется ОИИ. С этого момента и далее задаются взрывоопасные вопросы, например, что такое интеллект? Что такое память? Что такое вычисление? а чему учится? Как эти вопросы и возможные ответы в конечном итоге приводят к парадигме машины, которая может использовать различные типы машинного обучения для достижения прорывов в самосовершенствовании, необходимых для достижения человеческого уровня интеллекта и неизбежного в результате сверхразума?

Это тип дальновидного мышления и важные вопросы, которые исследует Life 3.0. Жизнь 1.0 — это простые формы жизни, такие как бактерии, которые могут измениться только в результате эволюции, изменяющей их ДНК. Life 2.0 — это формы жизни, которые могут перепроектировать свое собственное программное обеспечение, например, выучить новый язык или навык. Life 3.0 — это ИИ, который может не только изменять свое поведение и навыки, но также может изменять свое собственное оборудование, например, модернизировать свое роботизированное «я».

Только когда мы поймем преимущества и недостатки ОИИ, мы сможем приступить к рассмотрению вариантов, чтобы убедиться, что мы создаем дружественный ИИ, который может соответствовать нашим целям. Чтобы сделать это, нам также может понадобиться понять, что такое сознание? И чем сознание ИИ будет отличаться от нашего?

В этой книге исследуется множество горячих тем, и она должна быть обязательна к прочтению для всех, кто действительно хочет понять, насколько ОИИ представляет собой потенциальную угрозу, а также является потенциальным спасательным кругом для будущего человеческой цивилизации.

Four Futures

By Peter Frase

This brief, imaginative, little-known work is a fascinating read, especially for those who like to think about the big picture—the really big picture.

Four Futures begins with the premise that three key forces will shape human life and civilization in the twenty-first century: automation, climate change, and sociopolitical inequality. The book sketches out four alternative visions for how these forces will interact to transform society in the decades ahead. Some of these potential futures are distressingly bleak, while others are more hopeful.

The book calls attention to two crucial points about artificial intelligence and society. First, whether one is optimistic or pessimistic about AI’s long-term impact, there is little question that it will be transformative—so we should all be engaging. And second, nothing is preordained: the choices that humanity makes and the values that we prioritize in the years ahead will determine how this technology transforms our world.

Advanced Level 2

Deep Learning – Ian Goodfellow, Yoshua Bengio, Aaron Courville

Description: Let’s stick with the subject of Deep Learning. The authors created this resource to help beginners enter the field of machine learning, with a focus on deep understanding. Interestingly, one of the authors – Yoshua Bengio, won the 2018 Turing Award (the Nobel Prize for computing) for his work in deep learning.

Deep Learning with PyTorch – Eli Stevens, Luca Antiga, Thomas Viehmann

Description: If you plan to build neural networks with PyTorch, you’ll want to begin your journey with this popular, open-source machine-learning framework. The eBook provides a great introduction to the subject, sharing practical knowledge related to pre-trained networks, how to use a neural network and convolutions, deploy a model to production, and much more.

Affective Computing – Jimmy Or

Description: An overview of state-of-the-art research in Affective Computing. It presents new ideas, original results, and practical experiences in this increasingly important research field, consisting of 23 chapters categorised into four sections.

10 Machine Learning Frameworks to Try – DLabs.AI Team

Description: This eBook provides deeper insight into ML frameworks that can increase efficiency and decrease work time. It recommends ten ML frameworks to check and valuable tips on why to use a particular framework or when to avoid one.

# 2. Мастер Алгоритм Педро Домингос

Центральная гипотеза Мастер Алгоритм заключается в том, что все знания — прошлые, настоящие и будущие — могут быть получены из данных с помощью единого универсального алгоритма обучения, который количественно определяется как главный алгоритм. В книге подробно описаны некоторые из лучших методологий машинного обучения, в ней даются подробные объяснения того, как работают разные алгоритмы, как их можно оптимизировать и как совместно они могут работать для достижения конечной цели — создания Мастер-алгоритма. Это алгоритм, способный решить любую проблему, которую мы ему подаём, включая лечение рака.

Читатель начнет с изучения Наивный Байес, простой алгоритм, который можно объяснить одним простым уравнением. Оттуда он разгоняется на полной скорости до более интересных методов машинного обучения. Чтобы понять технологии, которые ускоряют нас к этому мастер-алгоритму, мы изучаем основы конвергенции. Во-первых, из нейронауки мы узнаем о пластичности мозга, нейронных сетях человека. Во-вторых, мы переходим к естественному отбору на уроке, чтобы понять, как разработать генетический алгоритм, моделирующий эволюцию и естественный отбор. С генетическим алгоритмом популяция гипотез в каждом поколении пересекается и мутирует, оттуда наиболее приспособленные алгоритмы производят следующее поколение. Эта эволюция предлагает максимальное самосовершенствование.

Другие аргументы исходят из физики, статистики и, конечно же, лучших компьютерных наук. Невозможно всесторонне рассмотреть все различные аспекты, затронутые в этой книге, из-за амбициозных масштабов книги по изложению основы для построения главного алгоритма. Именно эта структура отодвинула эту книгу на второе место, поскольку все другие книги по машинному обучению в той или иной форме основаны на ней.

Like this post? Please share to your friends: